基于ROLS算法的递归RBF神经网络结构设计

针对递归RBF神经网络结构难以自适应问题,提出一种基于递归正交最小二乘（recursive orthogonal least squares,ROLS）算法的结构设计方法。首先,利用ROLS算法来计算隐含层神经元的独立贡献度和损失函数,以此判断增加或归为不活跃组的神经元,同时调整神经网络的拓扑结构,并且利用奇异值分解（singular value decomposition,SVD）决定最佳的隐含层神经元个数,以此来删除不活跃组中相对不活跃的神经元,有效地解决了递归RBF神经网络结构冗余和难以自适应问题。其次,利用梯度下降算法更新递归RBF神经网络的参数来保证神经网络的精度。最后,通过对Mackey-Glass时间序列预测、非线性系统辨识和污水处理过程中关键水质参数动态建模,证明了该结构设计方法的可行性和有效性。     

基于RBF神经网络路径安全策略

通过非线性时间序列的策略分析,按照神经网络的路径选择特点和非线性数据的分析方法进行总体评估,提出基于RBF神经网络路径安全策略.     

基于递归神经网络的化工反应过程建模

化工过程系统往往具有很强的非线性。针对含有大量序列数据的化工过程建模,当序列数据作为深层神经网络输入时,往往权重系数过多、训练难度增大。而递归神经网络通过在不同时间步间共享参数,更适用于对序列数据的处理。作者研究了递归神经网络在化工动力学建模中的应用,探讨了化学反应中物质浓度的时序变化,反应动力学参数回归,工业油田轻烃裂解过程模拟以及操作条件优化等3种应用场景。从预测精度和计算速度方面,验证了递归神经网络方法在化工过程建模中的优越性。     

基于RBF神经网络和粒子群算法的ECT传感器结构优化

给出一种RBF神经网络与粒子群算法相结合的电容层析成像（ECT）传感器结构参数优化方法。该方法以敏感场整体灵敏度大小等系统性能为优化目标,基于管壁厚度、屏蔽层厚度、径向屏蔽插入管壁深度、径向电极宽度、电极宽度（中心夹角）、管壁材料的相对介电常数、屏蔽层填充物相对介电常数7种重要的结构参数进行试验。应用RBF神经网络对多组结构参数以及对应的系统性能指标进行学习,得到回归模型,并应用粒子群算法进行寻优。结果显示,该方法参数寻优范围大,局限性小,寻优过程收敛快。优化后的系统整体灵敏度增大,成像质量改进。     

基于RBF神经网络的水轮机故障诊断研究

基于RBF神经网络,提出使用RBF神经网络进行水轮机故障诊断,给出RBF神经网络模型及算法。对水轮机故障信号进行分析,并提取故障信号特征量,将故障信号特征向量作为学习样本,通过训练,使构造的RBF神经网络能够反映特征向量和故障类型之间的映射关系,从而达到故障诊断的目的。     

基于RBF神经网络的螺杆泵井故障诊断

针对螺杆泵井工况复杂、故障种类繁多,反映特征参数与故障类型的数学模型难以搭建,提出了建立一种基于RBF神经网络的螺杆泵井故障诊断模型。选取日产液量、动液面深度、电机功率作为输入向量,将抽油杆断脱、泵漏失、油管漏失等故障类型作为输出向量,采用RBF神经网络工具箱建立了螺杆泵井故障诊断模型,并对网络进行了训练,利用该网络测试了大庆油田两口螺杆泵故障井,结果表明：RBF神经网络具有较快的收敛速度和良好的稳定性能;验证了建立的RBF神经网络的螺杆泵井故障诊断模型的正确性\可行性和有效性。     

基于递归模糊神经网络的污水处理控制方法

针对污水处理过程具有非线性、大时变等问题,提出了一种基于递归模糊神经网络的多变量控制方法。该方法通过递归模糊神经网络控制器自适应地获得对操作变量的控制精度,控制器在常规BP学习算法的基础上采用学习率自适应学习算法且引入了动量项来训练网络参数,避免网络陷入局部最优,提高了网络对系统的控制精度。最后,基于仿真基准模型(BSM1)平台对第五分区中的溶解氧和第二分区中的硝态氮控制进行动态仿真实验,结果表明,与PID、前馈神经网络和常规递归神经网络相比,该方法能有效提高系统的自适应控制精度。     

基于RBF神经网络蜡沉积速率预测模型

RBF网络模拟了人脑中局部调整、互相覆盖接收域的神经网络结构,能够以任意精度逼近任意连续函数,特别适合解决分类、回归问题。本文利用了RBF神经网络建立了蜡沉积速率预测模型。影响原油蜡沉积速率的因素很多,本文考虑了管壁处剪切应力、管壁处温度梯度、管壁处蜡分子质量分数梯度和原油动力粘度4个主要影响因素。实例结果表明,RBF神经网络模型预测结果误差在2%左右,可以运用到蜡沉积速率预测中。     

基于RBF神经网络的制浆蒸煮终点预测模型

为稳定纸浆质量,实现蒸煮终点的精确预测,建立基于RBF网络的终点预测模型,通过与BP模型的比较,可知基于RBF网络的蒸煮终点预测模型具有较好的快速性及准确性.     

基于RBF神经网络断路器注塑成型工艺优化

塑壳断路器一般通过注塑成型工艺制得。在注塑成型过程中,模具温度、熔体温度、保压压力以及保压时间均对制件的翘曲变形产生一定的影响。以模具温度、熔体温度、保压压力以及冷却时间作为研究参数,以翘曲变形量作为研究目标,采用最优拉丁超立方抽样法抽取合适的样本,建立RBF神经网络模型,结合遗传算法对制件的翘曲变形量进行优化,得到最佳的成型工艺参数组合。结果表明：四个因素的影响程度大小为模具温度>冷却时间>保压压力>熔体温度。当模具温度为50℃、熔体温度为250℃、保压压力为60 MPa以及冷却时间为10 s时,制件的翘曲变形量最小为2.307 7 mm,相较未优化前降低1.294 2 mm,制件成型质量得到明显改善。     

基于模糊递归神经网络的污泥容积指数预测模型

污泥容积指数（SVI）,一个关键的污泥沉降性能评价指标。针对污水处理过程中污泥膨胀关键水质参数污泥容积指数难以准确在线测量,且实验室取样测量方法时间久、精度低,提出了一种改进型的模糊递归神经网络（HRFNN）用来预测污泥容积指数的变化,通过在网络第三层加入含有内部变量的反馈连接来实现输出信息的反馈。实验结果表明,与其他模糊神经网络相比,该网络的规模小、精度高,处理动态信息的能力明显加强。     

基于模糊RBF神经网络的乙烯装置生产能力预测

针对传统的径向基函数(RBF)神经网络隐藏层节点的不确定和初始中心敏感性、收敛速度过慢等问题,提出一种基于模糊C均值的RBF神经网络(FCM-RBF)模型,通过模糊C均值聚类(FCM)得到各聚类中心,基于误差反传的梯度下降法训练隐藏层到输出层之间的权值,克服传统RBF模型对数据中心的敏感性,优化确定RBF神经网络隐藏层的节点数,提高网络训练速度和精度。最后将其用于乙烯装置生产能力预测中,分析预测不同技术、不同规模乙烯装置生产情况,指导乙烯生产,提高生产效率,结果验证了所提出算法的有效性和实用性。     

基于RBF神经网络的油藏相对渗透率曲线计算

提出了一种基于改进的RBF神经网络的相对渗透率曲线计算方法。利用骨干粒子群的位置更新操作更新RNA遗传算法的变异算子得到混合RNA遗传算法（HRGA）,针对RBF神经网络中隐含层径向基中心值的确定,利用HRGA算法对其进行优化,并用于相对渗透率曲线的计算。将HRGA优化的RBF神经网络和标准RBF神经网络计算的相对渗透率曲线与真实值误差对比分析,实验结果表明HRGA优化的RBF神经网络明显提高了计算精度。     

基于RBF神经网络的轮胎滚动阻力建模研究

建立径向基函数(RBF)神经网络轮胎滚动阻力模型,充分利用RBF神经网络模型逼近精度高、训练速度快、无局部极小等优点,对轮胎滚动阻力进行全面、准确的预测。结果表明,轮胎滚动阻力RBF与反向传播算法(BP)神经网络模型预测值的平均相对误差分别为2%和6%左右,RBF神经网络模型在训练和预测结果上均有更大优势,能够有效预测轮胎滚动阻力。     

递归T-S模糊模型的神经网络

在常规T-S模糊神经网络的基础上加入动态递归元件,提出了递归T-S模糊模型的神经网络。在系统辨识中采用无监督聚类算法和动态反向传播算法训练该递归神经网络的参数,给出了该递归网络的逼近性证明。辨识效果与常规T-S模糊模型作比较,说明递归T-S模糊模型的神经网络在非线性系统辨识中表现出更好的性能。     

基于RBF神经网络控制的新型有源滤波器的研究

针对有源电力滤波器(APF)的传统控制方法的缺点和应用局限性,提出了一种基于RBF神经网络的控制方法,该方法控制精度高,滤波效果好,同时在主电路中加入软开关环节,减小功率开关器件开通关断损耗,进一步提高APF的工作效率。本文利用Matlab对有源电力滤波器进行仿真研究,仿真结果表明在有效地检测出谐波分量的基础上,基于新控制方法的有源电力滤波器可以很好地滤除谐波,完成抑制谐波的作用。     

基于对角递归神经网络的小区用电负荷预测研究

为了提高小区用电负荷预测的准确度,在研究对角递归神经网络的基础上,分析比较几种优化算法,提出基于粒子群算法的对角递归神经网络预测方法。通过对小区用电负荷影响因素的分析以及对大量历史数据进行训练,最后经Matlab仿真分析,结果表明:该方法预测的准确度较高。     

基于递归神经网络的多变量非线性PID解耦控制

A nonlinear proportional-integral-derivative (PID) controller is constructed based on recurrent neural networks. In the control process of nonlinear multivariable systems, several nonlinear PID controllers have been adopted in parallel. Under the decoupling cost function, a decoupling control strategy is proposed. Then the stability condition of the controller is presented based on the Lyapunov theory. Simulation examples are given to show effectiveness of the proposed decoupling control.     

基于RBF神经网络的双色LOGO塑件成型工艺优化

以某汽车贯穿灯LOGO塑件为研究对象，通过正交试验、计算机辅助工程(CAE)软件和径向基函数(RBF)神经网络对注塑工艺参数进行优化，并对优化结果进行生产验证，得到了满足质量要求的产品。     

基于RBF神经网络塑料成型生产线温度控制系统研究

基于RBF神经网络的生产线控制方案,采用Matlab搭建实验仿真平台对温度控制系统进行实验设计,并对控制系统进行验证分析。仿真结果表明:基于RBF神经网络塑料成型生产线温度控制系统具有较好的抗干扰性、稳定性,控制系统能够有效满足于控制需求,在塑料成型生产线温度控制中,恒定性和鲁棒性控制效果良好。基于RBF神经网络塑料成型生产线温度控制系统能更大程度上提高系统智能化水平与温度控制精度,提升产品质量。